論文の概要: Poultry Farm Intelligence: An Integrated Multi-Sensor AI Platform for Enhanced Welfare and Productivity

• arxiv url: http://arxiv.org/abs/2510.15757v1
• Date: Fri, 17 Oct 2025 15:43:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-20 20:17:34.690611
• Title: Poultry Farm Intelligence: An Integrated Multi-Sensor AI Platform for Enhanced Welfare and Productivity
• Title（参考訳）: Poultry Farm Intelligence: 福祉と生産性を高めるための統合型マルチセンサーAIプラットフォーム
• Authors: Pieris Panagi, Savvas Karatsiolis, Kyriacos Mosphilis, Nicholas Hadjisavvas, Andreas Kamilaris, Nicolas Nicolaou, Efstathios Stavrakis, Vassilis Vassiliades,
• Abstract要約: 養鶏業は、動物福祉と環境コンプライアンスを確保しつつ、生産性目標を達成する圧力が高まる。 しかし、中小規模の農場の多くは、継続的な監視と意思決定のための安価な統合されたツールを欠いている。 本稿では,6つのAIモジュールを統合するモジュール型で費用対効果の高いプラットフォームであるPoultry Farm Intelligence(PoultryFI)について述べる。
• 参考スコア（独自算出の注目度）: 1.534601771389495
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Poultry farming faces increasing pressure to meet productivity targets while ensuring animal welfare and environmental compliance. Yet many small and medium-sized farms lack affordable, integrated tools for continuous monitoring and decision-making, relying instead on manual, reactive inspections. This paper presents Poultry Farm Intelligence (PoultryFI) - a modular, cost-effective platform that integrates six AI-powered modules: Camera Placement Optimizer, Audio-Visual Monitoring, Analytics & Alerting, Real-Time Egg Counting, Production & Profitability Forecasting, and a Recommendation Module. Camera layouts are first optimized offline using evolutionary algorithms for full poultry house coverage with minimal hardware. The Audio-Visual Monitoring module extracts welfare indicators from synchronized video, audio, and feeding data. Analytics & Alerting produces daily summaries and real-time notifications, while Real-Time Egg Counting uses an edge vision model to automate production tracking. Forecasting models predict egg yield and feed consumption up to 10 days in advance, and the Recommendation Module integrates forecasts with weather data to guide environmental and operational adjustments. This is among the first systems to combine low-cost sensing, edge analytics, and prescriptive AI to continuously monitor flocks, predict production, and optimize performance. Field trials demonstrate 100% egg-count accuracy on Raspberry Pi 5, robust anomaly detection, and reliable short-term forecasting. PoultryFI bridges the gap between isolated pilot tools and scalable, farm-wide intelligence, empowering producers to proactively safeguard welfare and profitability.
• Abstract（参考訳）: 養鶏は、動物福祉と環境コンプライアンスを確保しつつ、生産性の目標を満たすよう圧力を増す。 しかし、中小規模の農場の多くは、手動でリアクティブな検査に頼るのではなく、継続的な監視と意思決定のための安価な統合ツールを欠いている。 本稿では,Poultry Farm Intelligence (PoultryFI)について述べる。Poultry Farm Intelligence (PoultryFI)は,カメラ配置最適化,オーディオ・ビジュアル・モニタリング,アナリティクス・アンド・アラーティング,リアルタイムエッグカウント,生産・利益予測,レコメンデーション・モジュールの6つのAIモジュールを統合したモジュールである。 カメラレイアウトは、最小限のハードウェアでフルPoultry Houseカバレッジのための進化的アルゴリズムを使用して、最初にオフラインで最適化される。 Audio-Visual Monitoringモジュールは、同期されたビデオ、オーディオ、およびデータから福祉指標を抽出する。 Analytics & Alertingは毎日のサマリとリアルタイム通知を生成し、Real-Time Egg Countingはエッジビジョンモデルを使用してプロダクショントラッキングを自動化する。 予測モデルは、卵の収量と飼料の消費を事前に10日間予測し、推奨モジュールは天気データと予測を統合し、環境や運用の調整をガイドする。 これは、低コストのセンシング、エッジ分析、規範AIを組み合わせて、群れを継続的に監視し、生産を予測し、パフォーマンスを最適化する最初のシステムのひとつです。 フィールドトライアルでは、Raspberry Pi 5の100%の卵数精度、堅牢な異常検出、信頼性のある短期予測が示されている。 PoultryFIは、孤立したパイロットツールと、スケーラブルで農地全体のインテリジェンスとのギャップを埋め、生産者が積極的に福祉と利益を保護できるようにする。

関連論文リスト

• In-the-Flow Agentic System Optimization for Effective Planning and Tool Use [73.72524040856052]
  AgentFlowはトレーニング可能なインザフローエージェントフレームワークで、進化するメモリを通じて4つのモジュール(プランナ、実行子、検証子、ジェネレータ)をコーディネートする。 Flow-GRPOは、マルチターン最適化をトラクタブルな単一ターンポリシー更新のシーケンスに変換することで、長い水平、スパース・リワードのクレジット割り当てに取り組む。 エージェントフローは7Bスケールのバックボーンで、平均的精度が14.9%、エージェントが14.0%、数学が14.5%、科学的タスクが4.1%でトップパフォーマンスのベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-10-07T05:32:44Z)
• An Explainable AI based approach for Monitoring Animal Health [0.2749898166276853]
  牛の健康をモニタリングし、収穫を最適化することは、農場ですべての動物を追跡するのが困難であるため、乳製品農家が直面する重要な課題である。 本研究は、乳牛(牛)の活動と行動を説明する説明可能な機械学習(ML)手法に基づく、現代的なデータ駆動型農業の実践を紹介することを目的とする。
  論文  参考訳（メタデータ） (2025-08-13T21:40:35Z)
• Multimodal AI Systems for Enhanced Laying Hen Welfare Assessment and Productivity Optimization [0.0]
  養鶏の未来は、主観的で労働集約的な福祉チェックをデータ駆動のインテリジェントなモニタリングエコシステムに置き換えることに依存する。 伝統的な福祉評価は、人間の観察と単一センサーのデータによって制限されるが、現代の農場における鶏の福祉の複雑な多次元的な性質を完全には捉えられない。 この研究は、生産性と倫理的、科学に基づく動物ケアを一体化する、反応的、一助的モニタリングから、積極的な、精密な福祉システムへの移行の基礎を築いた。
  論文  参考訳（メタデータ） (2025-08-11T05:17:16Z)
• A Secured Triad of IoT, Machine Learning, and Blockchain for Crop Forecasting in Agriculture [1.7307517738946756]
  IoTを使用することで、センサネットワークからのリアルタイムデータが環境条件や土壌の栄養素レベルを継続的に監視する。 本研究は、最適な作物の種類と収量の予測において、99.45%の精度でランダムフォレストモデルの例外的精度を示す。 この統合されたアプローチは、精密農業の大幅な進歩を約束し、作物の予測をより正確で、安全で、ユーザーフレンドリーにする。
  論文  参考訳（メタデータ） (2025-05-02T11:40:13Z)
• Neural Conformal Control for Time Series Forecasting [54.96087475179419]
  非定常環境における適応性を高める時系列のニューラルネットワーク共形予測手法を提案する。 提案手法は,ニューラルネットワークエンコーダを用いた補助的マルチビューデータを活用することにより,望ましい対象範囲を達成するために設計されたニューラルネットワークコントローラとして機能する。 予測間隔の整合性に優れたキャリブレーションを組み合わさった手法は, 適用範囲と確率的精度の大幅な向上を実証的に示す。
  論文  参考訳（メタデータ） (2024-12-24T03:56:25Z)
• Towards an end-to-end artificial intelligence driven global weather forecasting system [57.5191940978886]
  我々は,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちAdasを提案する。 我々は,アダスが地球観測を同化して高品質な分析を行い,長期にわたって安定して運用できることを実証した。 この手法を現実のシナリオに適用するのは,私たちが初めてです。
  論文  参考訳（メタデータ） (2023-12-18T09:05:28Z)
• MAPS: A Noise-Robust Progressive Learning Approach for Source-Free Domain Adaptive Keypoint Detection [76.97324120775475]
  クロスドメインキーポイント検出方法は、常に適応中にソースデータにアクセスする必要がある。 本稿では、ターゲット領域に十分に訓練されたソースモデルのみを提供する、ソースフリーなドメイン適応キーポイント検出について考察する。
  論文  参考訳（メタデータ） (2023-02-09T12:06:08Z)
• Bandit Data-Driven Optimization [62.01362535014316]
  機械学習パイプラインが設定で有用になるためには、克服しなければならない大きな問題点が4つある。 これらの問題点に対処する最初の反復予測記述フレームワークであるBanditデータ駆動最適化を導入する。 本稿では,このフレームワークの新しいアルゴリズム PROOF を提案する。
  論文  参考訳（メタデータ） (2020-08-26T17:50:49Z)
• Predictive Maintenance for Edge-Based Sensor Networks: A Deep Reinforcement Learning Approach [68.40429597811071]
  未計画の設備停止のリスクは、収益発生資産の予測保守によって最小化することができる。 機器に基づくセンサネットワークのコンテキストから予測機器のメンテナンスを行うために,モデルフリーのDeep Reinforcement Learningアルゴリズムを提案する。 従来のブラックボックス回帰モデルとは異なり、提案アルゴリズムは最適なメンテナンスポリシーを自己学習し、各機器に対して実行可能なレコメンデーションを提供する。
  論文  参考訳（メタデータ） (2020-07-07T10:00:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。